Github 블로그 마크다운 튜토리얼에서는 제목, 문단, 목록, 인용, 표, 링크, 각주, 코드 블록, 수학식, 이미지 및 비디오 삽입 방법을 설명합니다. 다양한 마크다운 요소를 사용하여 블로그 포스트를 작성하는 방법을 안내합니다.

블로그를 Github으로 다시 옮긴 이유는 Markdown 완벽 지원, 커스텀 가능한 테마, 파일 시스템 관리, 그리고 편리성을 충족하기 위해서이다. Velog와 Tistory의 단점을 경험한 후, Notion과의 연동을 통해 Github 블로그의 편리함을 극대화할 수 있게 되었다.

Accelerated MRI reconstructions via variational network and feature domain learning 서론 Methods MR image reconstruction MR signal ${\bf k}i$(k-space domain) recieved by the _i-th coil is related...

개요 24년도 FASTMRI 기준 vessl 설정법 정리. 원래 영상이 올라오는데 그거 기다리기 싫어서 삽질했었음 방법 Workspace create 하고 ngc pytorch 최신버전 2.4.0-cuda 12.4 로 올리고 max runtime 9999hr 설정. on premise mount를 해야하는데 서버쪽 리눅스 디렉토...

신호처리 강의에서는 연속 함수와 샘플링 함수의 곱을 통해 샘플링 과정을 설명하고, 나이퀴스트 샘플링 정리에 따라 신호의 최대 주파수의 두 배 이상으로 샘플링해야 원래 신호를 완벽하게 복원할 수 있음을 강조합니다. 샤 함수와 주파수 도메인에서의 컨볼루션 개념도 다루어집니다.

이 문서는 푸리에 변환에 대한 강의 노트로, 1D 및 2D 푸리에 변환의 수학적 정의, 유용한 공식, 샤 함수와의 관계, 그리고 푸리에 변환의 주요 속성을 설명합니다. 푸리에 변환은 주파수 도메인으로의 변환을 통해 합성곱 계산을 단순화하고, 변조 속성을 포함하여 다양한 신호 처리 응용에 활용됩니다.

신호처리에 관한 강의 노트에서는 1D 및 2D 컨볼루션의 개념을 설명합니다. 1D 컨볼루션은 임펄스 응답을 이용해 시스템의 출력을 계산하며, 2D 컨볼루션은 제로 패딩된 이미지를 사용하여 포인트 스프레드 함수와의 곱셈을 통해 출력을 생성합니다. 각 과정에서 시각적 예시를 통해 이해를 돕고 있습니다.

신호처리 강의에서는 시스템의 정의, 선형성과 시간 불변성, 그리고 임펄스 응답의 개념을 다룹니다. 시스템은 입력 신호를 변환하여 출력 신호를 생성하며, 선형 시스템은 스케일링과 중첩의 성질을 만족합니다. 임펄스 응답은 시스템의 입력이 임펄스일 때의 출력이며, 출력 신호는 입력 신호와 임펄스 응답의 컨볼루션으로 표현됩니다.